fügen Sie einen string-Präfix, um jeden Wert in eine string-Spalte mit Pandas

Möchte ich anfügen eine Zeichenfolge an den Anfang einer jeden Wert in einer der besagten Spalte ein pandas dataframe (aus).
Ich habe bereits herausgefunden, wie Art, dies zu tun und ich bin derzeit mit:

df.ix[(df['col'] != False), 'col'] = 'str'+df[(df['col'] != False), 'col']

Scheint dies eine Hölle eines unelegant, was zu tun - kennen Sie eine andere Möglichkeit (die vielleicht auch fügt das Zeichen zu Zeilen wo die Spalte ist 0 oder NaN)?

In diesem Fall ist noch unklar, ich würde gerne:

    col 
1     a
2     0

in:

       col 
1     stra
2     str0
  • Was genau Fragen Sie? schreiben Sie bitte eine Erklärung auf, was Ihr code tut Sie es wünschen haben
  • Ich dachte, was der Beispiel-code hat, war sehr klar, der Durchschnittliche pandas Benutzer. Ich habe Hinzugefügt, use-case-Beispiele für Ihre Bequemlichkeit.
  • Deine Beschreibung ist etwas widersprüchlich mit Ihrem code. Was ist mit der != False business? Möchten Sie str jeder Wert oder nur einige?
  • zu jedem Wert angezeigt, wie in meinem Beispiel dataframes.
  • dein Beispiel noch etwas unklar, haben Sie möchten so etwas wie df['col'] = 'str' + df['col'].astype(str)?
  • Super!!! Das ist genau das, was ich wollte. Schreiben Sie es unten als Antwort.

InformationsquelleAutor TheChymera | 2013-11-17
  1. 143
    df['col'] = 'str' + df['col'].astype(str)

    Beispiel:

    >>> df = pd.DataFrame({'col':['a',0]})
>>> df
  col
0   a
1   0
>>> df['col'] = 'str' + df['col'].astype(str)
>>> df
    col
0  stra
1  str0
    • danke. wenn von Interesse, dataframe Indizes auch unterstützen, wie string-Manipulationen.
    • Wie mache ich das, wenn die Bedingungen erfüllt werden müssen, vor der Verkettung?
    • nach 4 Jahren, ja : es unterstützt auch das dataframe Indizes. Sie können eine neue Spalte erstellen und anfügen", um den index-Wert als : df['col'] = 'str'+df.index.astype(str)
    • "astype(str)" ruiniert die Codierung, wenn Sie versuchen, zu speichern, um eine Datei am Ende.
    InformationsquelleAutor Roman Pekar
  2. 8

    Als alternative können Sie auch eine apply kombiniert mit format finde ich etwas besser lesbar, wenn man z.B. will auch Sie ein suffix oder zu manipulieren das element selbst:

    df = pd.DataFrame({'col':['a', 0]})

df['col'] = df['col'].apply(lambda x: "{}{}".format('str', x))

    die auch Erträge die gewünschte Ausgabe:

        col
0  stra
1  str0

    Wenn Sie mit Python 3.6+, können Sie auch f-Saiten:

    df['col'] = df['col'].apply(lambda x: f"str{x}")

    nachgeben der gleichen Ausgabe.

    Den f-string-version ist fast so schnell wie @RomanPekar die Lösung von (python-3.6.4):

    df = pd.DataFrame({'col':['a', 0]*200000})

%timeit df['col'].apply(lambda x: f"str{x}")
117 ms ± 451 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

%timeit 'str' + df['col'].astype(str)
112 ms ± 1.04 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

    Mit format jedoch, ist in der Tat weit langsamer:

    %timeit df['col'].apply(lambda x: "{}{}".format('str', x))
185 ms ± 1.07 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
    • dasselbe Ergebnis, aber viel langsamer 😉
    • Ich habe ein paar timings, danke für die Anregung! Es scheint, dass f-Saiten sind fast genauso schnell; format in der Tat führt schlimmer. Wie hast du vergleichen?
    • oh schön! in meinem Verständnis .apply ist immer, wie schnell oder langsamer als "direct" - vektorisierte Operationen; selbst wenn Sie nicht langsamer ist, ich bevorzuge möglichst zu vermeiden.
    • Ich Stimme jedoch zu, in diesem speziellen Fall finde ich es besser lesbar, wenn ich auch Sie ein suffix haben, tun Sie etwas x sich etc., aber das ist nur eine Frage des Geschmacks... 🙂
    InformationsquelleAutor Cleb
  3. 1

    Wenn Sie laden Sie die Tabelle Datei mit dtype=str

    oder konvertieren Sie die Spalte Typ auf string df['a'] = df['a'].astype(str)

    dann können Sie so Vorgehen:

    df['a']= 'col' + df['a'].str[:]

    Dieser Ansatz ermöglicht es, prepend, append und subset-string von df.

    Funktioniert auf Pandas v0.23.4, v0.24.1. Weiß nicht, über die früheren Versionen.

    InformationsquelleAutor Vasyl Vaskivskyi
Schreibe einen Kommentar